iGTP:学习可解释的细胞嵌入,以推断单细胞转录组的基础生物机制
Kang-Lin Hsieh1, Kai Zhang2, Yan Chu3,4,5
1Division of Cancer Medicine, Department of Genitourinary Medical Oncology, UT MD Anderson Cancer Center, 1515 Holcombe Blvd, Houston, TX 77030, United States.
一个新的可解释的生成转录程序 (iGTP) 框架模型转录程序和单细胞RNA测序数据的蛋白质-蛋白质相互作用. iGTP增强了生物洞察力,并预测了细胞对干扰的反应.
科学领域:
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 像变异自编码器 (VAE) 这样的深度学习模型为单细胞转录组提供了低维的细胞嵌入.
- 然而,在没有特定的结构设计的情况下,VAE往往缺乏具有生物意义的潜在空间.
- 可解释模型对于理解复杂的生物系统至关重要.
研究的目的:
- 开发一个新的可解释的生成转录程序 (iGTP) 框架.
- 为了建模转录程序 (TP) 空间和蛋白质-蛋白质相互作用 (PPI) 在生物状态中的重要性.
- 提高单细胞分析中潜伏表征的解释性和生物相关性.
主要方法:
- 设计了iGTP框架,集成TP空间和PPI网络.
- 使用基因本体学,正规途径和PPI数据库验证了iGTP.
- 将潜层与图形神经网络 (GNN) 集成,用于扰乱响应推断.
- 应用iGTP嵌入式与隐性扩散模型用于细胞类型特定的嵌入式生成.
主要成果:
- iGTP阐明了基底真理细胞反应,并在功能丰富方面表现优于现有的方法.
- 该框架成功地模拟了TP和PPI在各种生物环境中的重要性.
- 当与GNN结合时,iGTP有效地推断出细胞对干扰的反应.
- 潜在扩散模型使用IGTP生成了特定细胞类型和状态的精确细胞嵌入.
结论:
- iGTP提供了一个强大的框架,用于单细胞转录组的可解释性分析.
- 该模型在PPI和TP两级提供了洞察力,促进了生物学理解.
- iGTP在预测应对新奇扰动的反应和产生细胞特异嵌入方面表现有前途.
更多相关视频
05:45Author Spotlight: Integrating Organoid Models with Single-Cell and Spatial Transcriptomics Technologies
Published on: March 29, 2024
08:23Author Spotlight: Integrating Single-Cell Transcriptomics with Organoid Cultures for Advanced Research and Therapeutic Insights
Published on: June 28, 2024
相关概念视频
GTPases and their Regulation
Large G-proteins, also known...
Cell Specific Gene Expression
Reporter Genes
Commonly used reporter...
GTPases and their Regulation
Large G-proteins, also known...
Activation and Inactivation of G Proteins
Transducer Mechanism: G Protein–Coupled Receptors
GPCRs are also called heptahelical, 7TM, or...
